23種Pandas核心操作
阿新 • • 發佈:2018-11-05
讀取資料集
pd.read_csv(“csv_file”)
pd.read_excel("excel_file")
儲存資料到csv檔案,且不帶索引
df.to_csv("data.csv", sep=",", index=False)
基本的資料集特徵資訊
刪除缺失資料
df.dropna(axis=0, how='any')
替換缺失資料
df.replace(to_replace=None, value=None)
使用 value 值代替 DataFrame 中的 to_replace 值,其中 value 和 to_replace 都需要我們賦予不同的值。
檢查空值 NaN
pd.isnull(object)
刪除特徵
df.drop('feature_variable_name', axis=1)
axis 選擇 0 表示行,選擇表示列。
將目標型別轉換為浮點型
pd.to_numeric(df["feature_name"], errors='coerce')
將目標型別轉化為數值從而進一步執行計算,在這個案例中為字串。
將 DataFrame 轉換為 NumPy 陣列
df.as_matrix()
通過特徵名取資料
df.loc[feature_name]
DataFrame 操作
對 DataFrame 使用函式
該函式將令 DataFrame 中「height」行的所有值乘上 2:
df["height"].apply(*lambda* height: 2 * height)
或:
def multiply(x):
return x * 2
df["height"].apply(multiply)
重新命名行
下面程式碼會重新命名 DataFrame 的第三行為「size」:
df.rename(columns = {df.columns[2]:'size'}, inplace=True)
取某一行的唯一實體
下面程式碼將取「name」行的唯一實體:
df["name"].unique()
(20)總結資料資訊
df.sum()
df.min()
df.max()
df.idxmin()
df.idxmax()
df.describe()
df.mean()
df.median()
df.corr()
df["size"].median()
選定特定的值
以下程式碼將選定「size」列、第一行的值:
df.loc([0], ['size'])